一种基于数据的方法用于心血管代谢风险的分层：利用智利全国数据集开发体脂-健康平衡指数 Rodrigo Yá?ez-Sepúlveda, José Francisco Tornero-Aguilera, Mario Mu?oz-López, Edgar Sancho-Haro, Yeny Concha-Cisternas, Exal Garcia-Carrillo, Jacqueline Páez-Herrera, Felipe Montalva-Valenzuela 和 Eduardo Guzmán-Mu?oz

《Data》：A Data-Driven Approach to Cardiometabolic Risk Stratification: Development of the Adiposity-Fitness Imbalance Index Using a National Chilean Dataset Rodrigo Yá?ez-Sepúlveda, José Francisco Tornero-Aguilera, Mario Mu?oz-López, Edgar Sancho-Haro, Yeny Concha-Cisternas, Exal Garcia-Carrillo, Jacqueline Páez-Herrera, Felipe Montalva-Valenzuela and Eduardo Guzmán-Mu?oz

　　**摘要**
青少年肥胖率的上升和身体素质的下降凸显了迫切需要使用综合性、无创性的工具来早期识别与中心性肥胖相关的心脏代谢风险。本研究旨在开发并分析“脂肪-健康失衡”（AFI）指数，并探讨其在智利青少年代表性样本中与心脏代谢风险人体测量指标（腰高比 > 0.50）之间的关联。这项横断面研究分析了来自智利国家身体素质评估系统（SIMCE-EF）的7852名学生的数据。AFI指数是通过标准化脂肪成分和健康成分之间的差异计算得出的。研究使用了逻辑回归和稳健线性回归模型。结果发现，立定跳远（OR = 0.69，95% CI 0.65–0.74）、俯卧撑（OR = 0.76，95% CI 0.71–0.80）、仰卧起坐（OR = 0.81，95% CI 0.77–0.85）和最大摄氧量（VO2max，OR = 0.82，95% CI 0.75–0.89）等指标与较低的腰高比风险相关（所有p < 0.001），而柔韧性也显示出轻微的保护作用（OR = 0.93，95% CI 0.88–0.99，p = 0.016）。AFI指数每增加一个标准差，腰高比的风险显著增加（OR = 26.74，95% CI 22.57–31.68，p < 0.001）。在排除腰高比影响的分层敏感性分析中，AFI指数仍与腰高比风险存在强相关性（每增加1个标准差，OR = 14.60，95% CI 12.77–16.70），内部验证的AUC为0.93。AFI指数可能成为早期筛查青少年中心性肥胖相关风险的一种实用且可扩展的工具。

**1. 引言**
全球范围内儿童和青少年肥胖率的上升是21世纪最严重的公共卫生挑战之一[1]。青少年时期的过度肥胖与早期出现的心脏代谢异常（包括胰岛素抵抗、血脂紊乱和血压升高）密切相关[2]。除了体重指数（BMI）外，腰高比（WHtR）等中心性肥胖指标也被证明是儿科人群中心脏代谢风险的敏感预测因子[3,4]。尽管有广泛的公共卫生努力，但早期识别代谢风险较高的青少年仍然是一个重大挑战，这表明需要更综合和敏感的筛查方法[5,6]。

与此同时，全球青少年健康相关身体素质的下降也得到了广泛记录[7,8]。目前认为，心肺健康和肌肉力量是心脏代谢健康的重要决定因素[9,10]。越来越多的证据表明，较高的肌肉力量和有氧能力可以减轻过度肥胖带来的不良代谢效应[10,11]。特别是上肢和下肢的力量都与年轻人的代谢风险呈负相关[12]。然而，这些指标在流行病学监测系统中往往被单独评估，这种分割的方法限制了理解脂肪与健康之间复杂交互关系的能力。当前的监测框架往往未能充分考虑这些领域之间的协同效应，可能会低估它们对心脏代谢风险的综合影响[13]。虽然“肥胖但健康”这一概念强调了身体健康的保护作用，但也凸显了需要反映脂肪与健康平衡的综合指标[14]。以往构建综合代谢评分的努力通常依赖于侵入性或临床密集型测量，这在学校等大规模实地环境中难以实施[15]。

在这种背景下，开发无创、可扩展且基于数据的综合指标是改进人群筛查策略的关键步骤。大规模标准化数据集的日益丰富，使得能够应用计算方法将多维度生理信息整合为统一且易于解释的指标[16]。在智利，快速的流行病学和营养转变导致了儿童肥胖和久坐行为的显著增加，进一步凸显了建立强大监测系统的必要性[17]。国家身体素质评估系统（SIMCE-EF）提供了一个独特的机会，可以利用全国代表性数据探索新的综合风险评估方法[18]。

尽管取得了这些进展，目前仍缺乏能够在统一分析框架内同时捕捉脂肪和健康状况的复合生物标志物。解决这一限制有助于更好地识别高风险人群并提高大规模健康数据的解读能力。因此，本研究的目的是开发并分析一个从大规模人群数据中得出的“脂肪-健康失衡”（AFI）指数，并量化其与智利青少年心脏代谢风险和社会人口统计学因素的关联。

**2. 材料与方法**
2.1. 研究设计与范围
本研究采用观察性横断面设计[19]，分析智利国家身体素质评估系统（SIMCE-EF）的数据。该系统是由教育部门发起的全国性监测项目，用于监测青少年的身体素质和健康指标。评估在教育机构内进行，使用标准化协议和经过培训的评估人员以确保各地区测量方法的统一性。该项目采用全国代表性的分层抽样策略，涵盖八年级学生。研究遵守了《赫尔辛基宣言》的原则。从家长或法定监护人处获得了书面知情同意，并获得了所有参与者的同意。该协议获得了瓦尔帕莱索天主教大学（Pontificia Universidad Católica de Valparaíso）生物伦理和生物安全委员会的批准（批准代码BIOPUCV-H516 2022）。

2.2. 参与者
本研究的分析样本包括7852名接受SIMCE-EF评估的学生，这些学生构成了本次分析的完整参与者群体，包含了人体测量数据和五项身体素质测试结果。该样本（n = 7852）保留了原始SIMCE-EF抽样设计中规定的性别、年龄、学校隶属关系以及农村/城市居住地等人口统计分层。

2.3. 人体测量与心脏代谢指标
人体测量由受过培训的人员按照标准化程序进行。体重使用校准过的电子秤测量，测量时参与者需赤脚并穿着轻便衣物；身高使用立杆测高仪测量，参与者需站立在弗兰克福平面上。腰围在肋缘下缘和髂嵴之间的中点处用非弹性测量带测量。体重指数（BMI）通过体重除以身高平方计算（kg/m2）。腰高比（WHtR）通过腰围除以身高计算，用作中心性肥胖的指标。心脏代谢风险升高定义为WHtR > 0.50[20]。

2.4. 身体素质评估
身体素质评估使用了SIMCE-EF标准化测试中的实地测试，由经过培训的评估人员执行以确保各测试站点的一致性。具体包括：
- **腹部肌肉耐力**：通过一分钟仰卧起坐测试评估，参与者按照标准化听觉节奏重复屈曲躯干，记录正确完成的次数；
- **心肺健康**：使用20米往返跑测试（Navette test）评估，参与者在两条相距20米的平行线间进行跑步，跑步速度由音频信号控制；
- **下肢爆发力**：通过立定跳远测试评估，参与者从站立位置双腿并拢进行最大水平跳跃，记录最佳距离；
- **上肢肌肉耐力**：通过30秒俯卧撑测试评估，参与者在限定时间内尽可能多地完成俯卧撑；
- **柔韧性**：通过坐姿俯身触碰脚尖测试评估，测量坐姿下双腿伸直时的最大前伸距离。所有测试均按照国家协议指南记录最佳或总分。

2.5. 社会人口统计学变量
社会人口统计学特征包括性别、年龄、学校所在地（城市或农村）以及学校行政隶属关系。学校类型分为公立（市级）、补贴私立、委托管理或私立付费机构，反映了智利教育系统内的资金和治理结构差异。社会经济地位（SES）根据SIMCE-EF的学校行政隶属关系分类；由于SIMCE-EF数据集中没有家庭收入、父母教育水平和物质资源数据，因此SES代表的是学校层面的家庭社会经济地位，而非个体层面。

2.6. 脂肪-健康失衡（AFI）指数
为了将脂肪和健康的多维信息整合为统一的代谢指标，构建了名为AFI指数的复合生物标志物。由于变量单位不同，所有成分均使用Z分数进行标准化。Z分数通过从每个个体值中减去样本均值并除以相应标准差计算得出，使所有变量能够统一表示在同一个尺度上。在初步分析中，Z分数在整个分析样本中全局计算。由于脂肪和健康成分存在性别和年龄差异，还使用了特定性别的Z分数进行了敏感性分析（结果无显著变化，见第3节）。脂肪部分（Zadip）由标准化BMI、腰围和WHtR的平均值计算得出；健康部分（Zfit）由标准化的心肺健康、力量、柔韧性和肌肉耐力指标的平均值计算得出。AFI指数定义为：
**AFI = Zadip ? Zfit**
较高的AFI值表示相对于健康的脂肪较多，代表较差的代谢状况；负值则表示相对于脂肪的健康状况较好。AFI指数在后续回归分析中作为连续预测因子使用。由于升高的WHtR结果与脂肪部分共享一个成分，还计算了预指定的敏感版本指数，在该版本中移除了WHtR，仅保留标准化BMI和腰围的平均值。这种独立于成分和结果的AFI版本用于下文的敏感性分析。

2.7. 统计分析
使用描述性统计摘要参与者特征。连续变量因非正态分布而以中位数和四分位数范围表示，分类变量以频率和百分比表示。使用D’Agostino–Pearson检验评估正态性；连续变量使用Mann–Whitney U检验，分类变量使用卡方检验进行组间比较。为了评估连续AFI指数的决定因素，应用了带有Huber M-估计量的稳健线性回归模型（RLM）。选择这种方法是为了最小化极端值和正态性假设违反的影响。这些模型分析了社会人口统计学变量与代谢失衡之间的关联，并报告了未标准化的回归系数（β）及其95%置信区间。

为了估计心脏代谢风险升高的概率（定义为WHtR > 0.50），构建了多元逻辑回归模型，使用标准化健康生物标志物（Z分数）作为预测因子，并调整了年龄和性别因素。报告了带有95%置信区间的比值比（OR）。回归系数表示每个预测因子增加一个标准差时对对数几率的变化。统计显著性设为p < 0.05。所有分析使用Python（3.11版本）及pandas、scipy和statsmodels库进行。为了解决脂肪部分与升高的WHtR结果之间的部分重叠问题，AFI指数的主要逻辑回归分析结合了其独立于WHtR的版本进行了敏感性分析。通过将分析样本分为衍生子样本（70%，n = 5496）和验证子样本（30%，n = 2356）进行了内部验证，分层依据结果。AFI指数、其组成部分Z分数和逻辑回归系数均在训练子样本中计算，并保持不变地应用于验证子样本。此外，在同一建模框架内将AFI指数的表现与简单指标（仅BMI和健康部分）进行了直接比较，调整了年龄和性别因素。Discrimination使用接收者操作特征曲线下的面积（AUC）及其95%置信区间进行总结，校准使用了Brier分数和10组校准表。还对所有候选模型进行了5折交叉验证。最后，所有AFI分析均使用了特定性别的Z分数而非全局Z分数进行重新计算。结果表1总结了按性别分层的研究人群的体格特征和体能表现。最终样本包括7852名青少年（4355名男孩和3497名女孩），所有参与者都完成了完整的体格和体能评估。在大多数变量中观察到了显著的性别差异。男孩身高和体重更大，并在肌肉力量、爆发力和心肺健康测试中表现更优，包括仰卧起坐、俯卧撑、立定跳远和估计的VO2max（所有p < 0.001）。相比之下，女孩的柔韧性得分更高（中位数32.5厘米对比27.5厘米，p < 0.001）。身体质量指数在性别之间没有显著差异（p = 0.098）。然而，腰身比存在虽小但统计上显著的差异（p = 0.001），表明仅通过BMI无法捕捉到的中心性脂肪的微妙变化。此外，AFI指数在性别之间也存在显著差异（p < 0.001），女性的值更高，表明脂肪与体能之间的不平衡更为明显。表1显示了智利青少年（n = 7852）按性别的基线体格特征和体能表现。多变量逻辑回归模型用于评估标准化体能生物标志物与升高腰身比（WHtR）之间的关联，后者被用作心血管代谢风险的体格指标（表2）。较高的肌肉力量和爆发力水平与较低的WHtR风险一致相关。立定跳远显示出了最强的保护作用（OR = 0.69，95% CI 0.65–0.74），其次是俯卧撑（OR = 0.76，95% CI 0.71–0.80）和仰卧起坐（OR = 0.81，95% CI 0.77–0.85）。心肺健康也与较低的WHtR风险相关（OR = 0.82，95% CI 0.75–0.89）。柔韧性也显示出轻微的保护作用（OR = 0.93，95% CI 0.88–0.99，p = 0.016）。表2显示了体能生物标志物与升高的腰身比（WHtR > 0.50，心血管代谢风险的体格指标）的多变量逻辑回归分析。表3显示了社会人口统计因素与升高腰身比（WHtR > 0.50，心血管代谢风险的体格指标）之间的关联。城市居住与较高的WHtR风险相关（OR = 1.263，95% CI 1.014–1.573，p = 0.037）。男性与较低的WHtR风险相关（OR = 0.876，95% CI 0.783–0.981，p = 0.022）。调整多变量后，社会经济状况或年龄没有观察到显著关联。表3显示了社会人口统计因素与升高腰身比（WHtR > 0.50，心血管代谢风险的体格指标）的多变量逻辑回归分析。进行了多变量逻辑回归分析，以评估AFI指数与升高腰身比（WHtR > 0.50，心血管代谢风险的体格指标）之间的关联。较高的AFI值与较高的WHtR风险显著相关。具体来说，AFI指数每增加一个标准差，WHtR的风险增加近五倍（OR = 26.74，95% CI 22.57–31.68，p < 0.001）。在包含AFI指数作为连续预测因子的调整模型中，男性与结果不再显著相关（OR = 1.06，95% CI 0.89–1.27，p = 0.487），年龄显示出虽小但统计上显著的负相关（OR = 0.75，95% CI 0.67–0.85，p < 0.001）。在仅包含社会人口统计预测因子的模型（表3）和包含AFI指数的模型（表4）之间，性别和年龄系数的方向和幅度变化反映了AFI指数与这些协变量之间的强相关性：一旦AFI指数捕捉到了脂肪与体能之间的不平衡，性别和年龄的残差方差显著减少。进行了一项稳健线性回归分析，以评估社会人口统计因素与AFI指数之间的关联（图1）。男性与较低的AFI值显著相关（β = ?0.188，95% CI ?0.237至?0.139，p < 0.001），表明与女性相比，脂肪与体能之间的平衡更为有利。年龄与AFI呈正相关（β = 0.126，95% CI 0.093至0.160，p < 0.001），表明随着年龄的增长，代谢失衡逐渐增加。图1显示了社会人口统计因素对脂肪-体能不平衡（AFI）指数的影响。该图展示了使用稳健线性回归（Huber’s T）估计的社会人口统计因素与AFI指数之间的关联。点代表未标准化的回归系数（β），水平线表示95%置信区间。正的β值表示更大的代谢失衡（脂肪>体能），而负值表示更平衡的情况。参考类别为女性（性别）、农村（居住地区）和高社会经济地位（SES）。统计显著性如下：*** p < 0.001；* p < 0.05；ns，无显著性。在社会经济地位方面，中等和中等偏高的类别的个体显示出比高社会经济组更高的AFI值（β = 0.164，p < 0.001；β = 0.123，p = 0.028）。城市居住或较低社会经济阶层没有观察到显著关联。图2显示了按性别分层的社会经济阶层中AFI指数的分布。女性在大多数社会经济类别中始终显示出更高的AFI值，表明脂肪与体能之间的不平衡更为明显。在几乎整个社会经济谱系中，尤其是在高、中等偏高、中等和中等偏低组中，观察到性别间的显著差异，强调了这种不平衡的普遍性。只有低社会经济阶层中，这种基于性别的差异没有统计学意义。图2显示了按性别和社会经济地位分层的AFI指数分布。** = p < 0.01，*** = p < 0.001，ns = 无显著性。这些图表显示了按性别分层的社会经济阶层中AFI指数的分布。女性在大多数社会经济类别中始终显示出更高的AFI值，表明脂肪与体能之间的不平衡更为明显。这种模式在中等和中等偏高社会经济组中尤为明显，其中观察到性别间的显著差异。敏感性分析（不含WHtR的AFI）和内部验证由于AFI指数的脂肪部分最初包括用于定义结果的同一变量WHtR（WHtR > 0.50），因此使用修改后的AFI进行了预先指定的敏感性分析，其中脂肪部分仅由标准化BMI和腰围构建（即排除了WHtR）。在这个独立于WHtR的版本中，AFI指数每增加一个标准差与较高的WHtR风险仍强烈相关，调整年龄和性别后的OR为14.60（95% CI 12.77–16.70，p < 0.001）。尽管相对于原始指数，关联的幅度减弱（每1 SD的OR = 26.74），但方向和统计显著性得到保持，表明AFI指数的预测信号不仅仅由预测因子和结果之间的部分重叠驱动。直接比较独立于WHtR的AFI指数和更简单的指标（均调整了年龄和性别）后发现，AFI指数在与结果的关联幅度上优于单独的BMI（每1 SD的OR = 6.89，95% CI 6.25–7.59）和单独的体能部分（每1 SD的OR = 0.67，95% CI 0.63–0.71）。由于WHtR单独使用时完美地决定了结果（WHtR > 0.50），因此会以非信息性的方式夸大预测指标，因此没有进行这种比较。在5折交叉验证中，独立于WHtR的AFI模型的接收者操作特征曲线下面积（AUC）为0.93（各折叠的SD为0.005），而单独的BMI为0.90（调整了年龄和性别），单独的体能部分为0.61。在衍生/验证分割（70%/30%，按结果分层）中，基于衍生子样本（n = 5496）训练的独立于WHtR的AFI模型应用于保留的验证子样本（n = 2356）时，AUC为0.93（95% CI 0.92–0.94），每1 SD的OR为14.68（95% CI 11.52–18.71），Brier得分为0.077。完整的AFI模型（包含WHtR）在验证子样本中显示出更高的区分度（AUC = 0.95，95% CI 0.94–0.96；每1 SD的OR = 26.30，95% CI 19.43–35.60；Brier = 0.066），尽管这部分是由于组分-结果重叠造成的。10组校准表显示，在整个风险谱系中预测概率与观察到的事件率之间有很好的一致性，支持了两个版本的模型校准。使用性别和年龄特定的z分数而不是全局z分数重复所有AFI分析产生了基本相同的结果模式（每1 SD的OR = 23.38，95% CI 19.89–27.47），表明观察到的关联并非预期中的生理差异所致。讨论本研究提供了关于青少年心血管代谢风险决定因素的稳健证据。作为初步步骤，我们的分析证实，单独的体能组成部分——特别是爆发力、肌肉耐力和有氧能力——与较低的中心性脂肪风险独立相关。在此基础上，我们展示了AFI指数（一种整合了脂肪和体能的新复合指标）与心血管代谢风险之间的强关联。具体来说，表现出更明显脂肪-体能不平衡的个体发生心血管代谢紊乱的可能性显著增加（OR = 26.74每1 SD），突显了过多脂肪与低体能水平的协同和潜在乘法效应。这些发现加强了身体组成和体能之间的相互作用比单独的任何一个变量都更具信息量的概念。从生理学的角度来看，观察到的关联可以通过脂肪驱动的代谢失调和整体降低的体能的生理后果来解释。过多的脂肪组织，尤其是内脏脂肪，具有代谢活性，并通过分泌促炎细胞因子（如TNF-α和IL-6）促进慢性低度炎症，从而导致胰岛素抵抗和内皮功能障碍[21,22]。同时，低体能——包括心肺和肌肉成分——加剧了这种代谢风险[23]。虽然有氧能力降低与线粒体功能受损和氧化能力下降有关，但肌肉力量和耐力的缺陷反映了胰岛素介导的葡萄糖处理能力的下降，因为骨骼肌是全身葡萄糖清除的主要组织[24,25]。此外，主动收缩的骨骼肌作为一个内分泌器官，释放的肌因子具有抗炎作用，可以直接抵消内脏脂肪分泌的促炎细胞因子[26,27]。因此，AFI指数成功捕获了这种复杂的生理相互作用：高结构负荷（脂肪）和降低的功能能力（神经肌肉和有氧）的共同存在可能放大了每个因素单独的影响。我们的发现与先前强调“脂肪但健康”范式的文献一致，该范式表明较高的体能水平可能减弱但不能完全消除过多脂肪的有害影响。一项系统回顾和荟萃分析表明，无论脂肪状况如何，具有较高心肺健康水平的个体都具有较低的心血管代谢风险；然而，既不健康又肥胖的个体表现出最高的风险特征[28]。在这种情况下，AFI指数可能通过明确捕捉这种相互作用来提供更细致的风险分层，而不是将体能和脂肪作为独立预测因子。重要的是，本研究中观察到的关联幅度似乎高于使用单独指标（如BMI或体能）的研究所报告的幅度。例如，研究BMI作为青少年心血管代谢风险预测因子时经常报告中等关联，部分原因是其无法区分脂肪质量和瘦质量[29]。同样，虽然心肺健康是代谢健康的强大独立预测因子，但其单独使用可能会忽略过多脂肪的贡献[30]。因此，与AFI指数观察到的更强关联支持了复合指标可能在流行病学和临床环境中提高预测能力的假设。我们发现的另一个相关方面是较高AFI值与不利社会人口统计因素之间的关联，特别是城市居住和中等社会经济地位。这些结果与当前的证据一致，即青少年的心血管代谢风险不仅由生物因素决定，还深受建成环境和社会健康决定因素的影响[5]。虽然高收入国家的研究通常报告最低社会经济阶层面临最高风险，但我们的发现反映了正在经历快速营养转型的国家的特征。在此背景下，来自中等社会经济背景的青少年可能会面临一种“有害的组合”：他们对超加工食品和基于屏幕的娱乐内容的购买力增加，而同时又难以接触到高级体育俱乐部、安全的娱乐场所以及高社会经济群体可享受的结构性体育活动。这种多维度的环境凸显了需要采取综合性的公共卫生干预措施，这些措施应同时针对行为和结构性因素，特别是在中等收入社区中加强对体育活动的公平性保障。从临床和公共卫生的角度来看，AFI指数是一种实用、可扩展且成本效益高的工具，可用于青少年人群的早期风险分层。与依赖于侵入性血液采样或昂贵实验室设备的传统代谢评分方法不同，AFI指数所包含的变量（基本人体测量数据和基于实地的身体素质测试）在常规教育或初级保健环境中非常容易收集，这使其能够无缝整合到大规模流行病学监测和学校筛查项目中。及早识别这些高风险群体至关重要，因为在青少年时期形成的心血管代谢变化和身体机能下降会显著增加成年后患2型糖尿病和早发性心血管疾病的风险[31,32]。

本研究存在一些需要考虑的局限性。首先，横断面设计无法确定脂肪积累与身体素质下降之间的因果关系；因此，需要纵向队列来验证AFI指数随时间的变化趋势。其次，尽管样本量大且具有全国代表性，但仍无法完全排除未测量到的生物学或环境变量（如青春期成熟阶段或特定饮食模式）带来的混杂因素。第三，尽管AFI指数适用于大规模流行病学监测，但基于实地的身体素质和脂肪度量方法与临床金标准（如直接气体交换肺活量测定（VO2max）或双能X射线吸收测定（DXA）相比存在测量误差。另一个重要局限性是关于结果的操作定义及其与指数组成部分的重叠。在本研究中，“心血管代谢风险升高”被定义为体重指数（WHtR）> 0.50，而该指标本身就是AFI指数中脂肪度量部分的一个组成部分。虽然WHtR是儿科人群中衡量中心性脂肪相关风险的一个成熟且实用的人体测量指标，但它并不等同于基于代谢和心血管标志物（血脂、血压、血糖、胰岛素抵抗）的完整心血管代谢表型，而这些数据在SIMCE-EF数据集中不可用。为了解决部分成分与结果之间的重叠问题，我们进行了预先指定的敏感性分析，使用了不依赖于WHtR的AFI指数版本，并与更简单的指标进行了头部对头比较，同时使用了性别和年龄特定的z分数进行数据分析；所有分析结果均一致。然而，在做出更强的关于心血管代谢分层的结论之前，需要对AFI指数进行外部验证，以直接对比其与心血管代谢标志物（如空腹血脂谱、血糖、血压、胰岛素抵抗指数）的关系。另一个局限性是社会经济地位是基于学校行政数据进行推断的，而非在家庭层面直接测量的；这一学校层面的代理指标可能无法完全反映个人的社会经济状况，在解释相关估计结果时需考虑到这一局限性。

尽管存在这些局限性，该研究仍有显著的优势。其中最突出的是使用了庞大的基于人口的数据集，保证了研究结果在智利青少年群体中的外部有效性和普遍适用性。此外，采用了一种强有力的分析框架——将多变量逻辑模型与稳健的线性回归（Huber的M估计量）相结合，以处理异常值和样本异质性，从而提高了估计结果的可靠性。最后，AFI指数的概念化和内部评估引入了一种新型的非侵入性综合人体测量-健康指标，如果在独立队列中对这一指标进行外部验证并与其直接心血管代谢标志物进行比对，它可能具有在资源有限的学校和初级保健环境中筛查中心性脂肪相关风险的潜力。

**5. 结论**
总体而言，AFI指数可能是一种有用的综合人体测量-健康指标，与青少年中升高的体重指数（WHtR）相关，可以补充传统的单一变量指标。通过明确结合脂肪度和身体素质，AFI指数可能比单独考虑任何一个因素更全面地反映中心性脂肪相关风险。此外，它能够识别出明显的代谢失衡情况——尤其是在女性、年龄较大的青少年以及城市中等社会经济群体的中——这凸显了其在针对性早期筛查和大规模公共卫生监测中的潜在效用。然而，由于本研究的验证是内部验证，且结果是一种人体测量指标而非完整的心血管代谢表型，因此这些发现应被视为初步结果，在能够声称其临床适用性之前，需要对其进行外部验证，以直接的心血管代谢标志物作为基准。未来需要进行纵向研究，以探索AFI指数随时间的变化情况及其对行为和结构性生活方式干预措施的响应性。